RENCANA MUTU PEMBELAJARAN. I. Standar Kompetensi : Menyelesaikan masalah probabilitas baik secara teoritik maupun aplikasinya dalam kehidupan.

Save this PDF as:
 WORD  PNG  TXT  JPG

Ukuran: px
Mulai penontonan dengan halaman:

Download "RENCANA MUTU PEMBELAJARAN. I. Standar Kompetensi : Menyelesaikan masalah probabilitas baik secara teoritik maupun aplikasinya dalam kehidupan."

Transkripsi

1 RENCANA MUTU PEMBELAJARAN Nama Dosen : N. Setyaningsih, MSi. Program Studi : Pendidikan Matematika Kode Mata Kuliah : Nama Mata Kuliah : Probabilitas Jumlah sks : 3 sks Semester : III Alokasi Waktu : 3 pertemuan Pertemuan : pertemuan 1, 2 dan 3 I. Standar Kompetensi : Menyelesaikan masalah probabilitas baik secara teoritik maupun aplikasinya dalam kehidupan. II. Kompetensi Dasar : Menyelesaikan dan menjelaskan konsep-konsep dasar probabilitas III. Indikator : Setelah mengikuti perkuliahan mahasiswa diharapkan dapat : 1. Mencari ruang sampel dan kejadian dari suatu eksperimen 2. Mencari hubungan antar kejadian dari suatu eksperimen 3. Mencari banyaknya kejadian dengan menggunakan konsep dasar menghitung IV. Materi Ajar 1. Ruang sampel dan kejadian 2. Hubungan antar kejadian 3. Teknik Menghitung a. prinsip dasar menghitung b. Permutasi 1

2 c. Kombinasi V. Metode/Strategi Pembelajaran : Ceramah, diskusi dan tugas VI. Tahapan Pembelajaran : A. Kegiatan Awal : Membuat kontrak pembelajaran, memberi gambaran umum inti materi perkuliahan dan tujuan pembelajaran selama satu semester. Meyampaikan materi dan tujuan pembelajran untuk pertemuan ke 1 dan 2 ( satu kompetensi dasar) B. Kegiatan Inti : 1. menyampaikan materi perkuliahan 2. meminta mahasiswa untuk mencari ruang sampel dan kejadian dari suatu eksperimen 3. memberikan kesempatan pada mahasiswa untuk menyelesaikan 4. membahas masalah tersebut melalui diskusi kelas. 5. meminta salah dua mahasiswa untuk maju ke depan membahas masalah tersebut dan mahasiswa lain untuk memberikan tanggapan 6. meminta mahasiswa untuk membuktikan sifat-sifat permutasi dan kombinasi 7. memberikan kesempatan pada mahasiswa untuk diskusi membahas masalah tersebut secara kelompok 8. membahas masalah tersebut melalui diskusi kelas. 9. meminta salah satu kelompok untuk maju ke depan membahas masalah tersebut dan kelompok lain untuk memberikan tanggapan C. Kegiatan Akhir 1. Bersama mahasiswa dosen membuat rangkuman materi 2. memberikan tugas rumah. 2

3 VII. Alat/Bahan/sumber Belajar : A. Alat/media : OHP, LCD, dan Komputer/laptop B. Bahan/sumber ajar : a. N. Setyaningsih, BudiMurtiyasa Pengantar StatistikaMatematika.MUP-UMS b. Spiegel Theory andproblems of Probability and Statistics.ScaumSeries.Singapor VIII. Penilaian : A. Teknik dan Instrumen Penilaian 1. Keaktifan mahasiswa dalam perkuliahan (dinilai0 2. Tes/Tugas : n n n 1 1) Tunjukkan juga bahwa : = + r r 1 r 1 n n r 1 n 2) Tunjukkan bahwa : = r r r 1 n 1 n 3) Tunjukkan bahwa : n = (r + 1) r r 1 4) Seseorang siswa harus menjawab 7 dari 10 soal ujian. (a). ada berapa pilihan dapat dilakukan siswa tersebut? (b). jika ia harus menjawab pertanyaan pertama dan kedua, ada berapa pilihan dapat dilakukan siswa tersebut? (c). ada berapa pilihan, jika siswa tersebut harus menjawab pertanyaan pertama atau kedua, tetapi tidak kedua-duanya? (d). ada berapa pilihan jika ia harus menjawab 3 dari lima pertanyaan pertama? 3

4 B. Kriteria Penilaian : Nf 2Pt 3Ps 5Tt 10 Keterangan : Pt Ps Tt Nf : tugas : Proses : tes tulis : nilai formatif 4

5 RENCANA MUTU PEMBELAJARAN Nama Dosen : N. Setyaningsih, MSi. Program Studi : Pendidikan Matematika Kode Mata Kuliah : Nama Mata Kuliah : Probabilitas Jumlah sks : 3 sks Semester : III Alokasi Waktu : 3 pertemuan Pertemuan : pertemuan 4, 5 dan 6 I. Standar Kompetensi : Menyelesaikan masalah probabilitas baik secara teoritik maupun aplikasinya dalam kehidupan. II. Kompetensi Dasar : Dapat menentukan nilai probabilitas dari suatu kejadian III. Indikator : Setelah mengikuti perkuliahan mahasiswa diharapkan dapat : 1. Mendefinisikan probabilitas 2. Mencari nilai probabilitas 3. Menjelaskan sifat-sifat probabilitas 4. Mencari ruang sampel dengan kombinatorik IV. Materi Ajar Probabilitas : 1. Pengertian probabilitas 2. Sifat-sifat probabilitas 3. Ruang sample diskrit dan kombinatorik 5

6 V. Metode/Strategi Pembelajaran : Ceramah, diskusi dan tugas VI. Tahapan Pembelajaran : A. Kegiatan Awal : Membahas tugas/pekerjaan rumah Meyampaikan materi dan tujuan pembelajran untuk pertemuan ke 3 dan 4 ( satu kompetensi dasar) B. Kegiatan Inti : 1. menyampaikan materi perkuliahan 2. meminta mahasiswa untuk membuktikan sifat-sifat probabilitas 3. memberikan kesempatan pada mahasiswa untuk diskusi 4. membahas masalah tersebut melalui diskusi kelas. 5. meminta salah satu kelompok untuk maju ke depan membahas masalah tersebut dan kelompok lain untuk memberikan tanggapan 6. meminta mahasiswa untuk menghitung probabilitas dari suatu kejadian dengan dengan menggunakan kombinatorik 7. memberikan kesempatan pada mahasiswa untuk diskusi membahas masalah tersebut secara kelompok 8. membahas masalah tersebut melalui diskusi kelas. 9. meminta salah satu kelompok untuk maju ke depan membahas masalah tersebut dan kelompok lain untuk memberikan tanggapan C. Kegiatan Akhir 1. Bersama mahasiswa dosen membuat rangkuman materi 2. memberikan tugas rumah. 6

7 VII. Alat/Bahan/sumber Belajar : A. Alat/media : OHP, LCD, dan Komputer/laptop B. Bahan/sumber ajar : 1). N. Setyaningsih, BudiMurtiyasa Pengantar StatistikaMatematika.MUP-UMS 2). Spiegel Theory andproblems of Probability and Statistics.ScaumSeries.Singapor 3). Freund, Walpole Mathematical Statistics. PrenticeHallInc VIII. Penilaian : A. Teknik dan Instrumen Penilaian 1. Keaktifan mahasiswa dalam perkuliahan (dinilai0 2. Tes/Tugas : 1) Tiga atlet renang A, B, dan C berpacu dalam kolam renang. A dan B mempunyai probabilitas yang sama untuk menang, dan masing-masing mempunyai kemungkinan menang atas atas C dua kali lebib besar. Carilah probabilitas A atau C menang! 2) Sebuah dadu mempunyai berat sedemikian hingga mata dadu ganjil mempunyai kesempatan yang sama untuk muncul, setiap mata dadu genap juga mempunyai kesempatan yang sama untuk muncul. Tetapi setiap mata dadu ganjil mempunyai kemungkinan muncul dua kali lebih besar atas setiap mata dadu genap. Carilah probabilitas : (a). muncul mata dadu ganjil (b). muncul mata dadu prima (c). muncul mata dadu prima genap (d). muncul mata dadu prima ganjil 7

8 3) Kepolisian Kota Besar divisi Patroli Jalan Raya membutuhkan ban baru untuk mobil-mobil patrolinya. Probabilitas bahwa ia akan membeli ban Goodyear, Intirub, GT One, Dunlop, atau Bridgestone berturut-turut adalah 0,15; 0,24; 0,11; 0,28; dan 0,22. Carilah probabilitas bahwa yang akan dibeli adalah ban : (a). Goodyear atau GT One (b). Intirub, Dunlop, atau Bridgestone (c). GT One atau Bridgestone B. Kriteria Penilaian : Nf 2Pt 3Ps 5Tt 10 Keterangan : Pt Ps Tt Nf : tugas : Proses : tes tulis : nilai formatif 8

9 RENCANA MUTU PEMBELAJARAN Nama Dosen : N. Setyaningsih, MSi. Program Studi : Pendidikan Matematika Kode Mata Kuliah : Nama Mata Kuliah : Probabilitas Jumlah sks : 3 sks Semester : III Alokasi Waktu : 2 pertemuan Pertemuan : pertemuan 7 dan 8 I. Standar Kompetensi : Menyelesaikan masalah probabilitas baik secara teoritik maupun aplikasinya dalam kehidupan. II. Kompetensi Dasar : Menghitung nilai probabilitas bersyarat dari suatu kejadian III. Indikator : Setelah mengikuti perkuliahan mahasiswa diharapkan dapat : 1. Menjelaskan probabilitas bersyarat dari suatu kejadian 2. Menjelaskan aturan bayes dan mengaplikasikan dalam probabilitas 3. Menjelaskan kejadian yang independen dalam probabilitas IV. Materi Ajar Probabilitas bersyarat : 1. pengertian Probabilitas bersyarat 2. Aturan bayes 3. Kejadian yang independen 9

10 V. Metode/Strategi Pembelajaran : Ceramah, diskusi dan tugas VI. Tahapan Pembelajaran : A. Kegiatan Awal : Membahas tugas/pekerjaan rumah Meyampaikan materi dan tujuan pembelajran untuk pertemuan ke 3 dan 4 ( satu kompetensi dasar) B. Kegiatan Inti : 1. menyampaikan materi perkuliahan 2. meminta mahasiswa untuk membuktikan sifat-sifat probabilitas bersyarat 3. memberikan kesempatan pada mahasiswa untuk diskusi 4. membahas masalah tersebut melalui diskusi kelas. 5. meminta salah satu kelompok untuk maju ke depan membahas masalah tersebut dan kelompok lain untuk memberikan tanggapan 6. meminta mahasiswa untuk menghitung probabilitas bersyarat dari suatu kejadian serta menunjukan kejadian-kejadian yang independen 7. memberikan kesempatan pada mahasiswa untuk diskusi membahas masalah tersebut secara kelompok 8. membahas masalah tersebut melalui diskusi kelas. 9. meminta salah satu kelompok untuk maju ke depan membahas masalah tersebut dan kelompok lain untuk memberikan tanggapan C. Kegiatan Akhir 1. Bersama mahasiswa dosen membuat rangkuman materi 2. memberikan tugas rumah. 10

11 VII. Alat/Bahan/sumber Belajar : A. Alat/media : OHP, LCD, dan Komputer/laptop B. Bahan/sumber ajar : 1). N. Setyaningsih, BudiMurtiyasa Pengantar StatistikaMatematika.MUP-UMS 2). Spiegel Theory andproblems of Probability and Statistics.ScaumSeries.Singapor 3). Freund, Walpole Mathematical Statistics. PrenticeHallInc VIII. Penilaian : A. Teknik dan Instrumen Penilaian 1. Keaktifan mahasiswa dalam perkuliahan (dinilai0 2. Tes/Tugas : 1) Andaikan E adalah sembarang kejadian dalam ruang sampel S, dengan P(E) > 0. Tunjukkan bahwa probabilitas bersyarat P(* E) memenuhi : (a). untuk sembarang kejadian A, 0 P(A E) 1 (b). P(S E) = 1 (c). jika A dan B saling asing, maka P((A B) E) = P(A E) + P(B E) 2) Dari wisuda sarjana sebuah Universitas, diketahui dari Fakultas Ekonomi 2 lakilaki dan 2 perempuan, dari Fakultas Hukum 3 laki-laki dan 4 perempuan, dan dari Fakultas Teknik 4 laki-laki dan 1 perempuan. Seorang wisudawan dipilih secara acak, dan diketahui ia laki-laki. Berapa probabilitas ia berasal dari Fakultas Hukum?. 3) Dua buah dadu dilempar bersama. Kejadian-kejadian : A = { mata dadu pertama menunjukkan mata dadu ganjil} B = { mata dadu kedua menunjukkan mata dadu ganjil} C = {kedua dadu menunjukkan mata dadu ganjil}. Selidiki apakah : 11

12 (a). A dan B bebas? (b). A dan C bebas? (c). B dan C bebas? (d). A, B, dan C bebas? B. Kriteria Penilaian : Nf 2Pt 3Ps 5Tt 10 Keterangan : Pt Ps Tt Nf : tugas : Proses : tes tulis : nilai formatif 12

13 RENCANA MUTU PEMBELAJARAN Nama Dosen : N. Setyaningsih, MSi. Program Studi : Pendidikan Matematika Kode Mata Kuliah : Nama Mata Kuliah : Probabilitas Jumlah sks : 3 sks Semester : III Alokasi Waktu : 2 pertemuan Pertemuan : pertemuan 9 dan 10 I. Standar Kompetensi : Menyelesaikan masalah probabilitas baik secara teoritik maupun aplikasinya dalam kehidupan. II. Kompetensi Dasar : Menjelaskan tentang variable random dan jenis fungsi baik untuk variable randon kontinu maupun diskrit III. Indikator : Setelah mengikuti perkuliahan mahasiswa diharapkan dapat : 1. menjelaskan tentang variable randon 2. Menjelaskan fungsi probabilitas dan CDF dari variabel random diskrit 3. Menjelaskan fungsi probabilitas dan CDF dari variabel random diskrit IV. Materi Ajar Variabel Random : 1. Pengertian variabel random 2. Fungsi probabilitas dan CDF dari var. Random diskrit 3. Fungsi densites dan CDF dari var. Random kontinu 13

14 V. Metode/Strategi Pembelajaran : Ceramah, diskusi dan tugas VI. Tahapan Pembelajaran : A. Kegiatan Awal : Membahas tugas/pekerjaan rumah Meyampaikan materi dan tujuan pembelajran untuk pertemuan ke 3 dan 4 ( satu kompetensi dasar) B. Kegiatan Inti : 1. menyampaikan materi perkuliahan 2. meminta mahasiswa untuk menentukan fungsi probabilitas beserta fungsi distribusi komulatif dari suatu kejadian untuk kasus variabel random diskrit 3. memberikan kesempatan pada mahasiswa untuk diskusi 4. membahas masalah tersebut melalui diskusi kelas. 5. meminta salah satu kelompok untuk maju ke depan membahas masalah tersebut dan kelompok lain untuk memberikan tanggapan 6. meminta mahasiswa untuk menentukan fungsi probabilitas beserta fungsi distribusi komulatif dari suatu kejadian untuk kasus variabel random kontinu. 7. memberikan kesempatan pada mahasiswa untuk diskusi membahas masalah tersebut secara kelompok 8. membahas masalah tersebut melalui diskusi kelas. 9. meminta salah satu kelompok untuk maju ke depan membahas masalah tersebut dan kelompok lain untuk memberikan tanggapan C. Kegiatan Akhir 1. Bersama mahasiswa dosen membuat rangkuman materi 2. memberikan tugas rumah. 14

15 VII. Alat/Bahan/sumber Belajar : A. Alat/media : OHP, LCD, dan Komputer/laptop B. Bahan/sumber ajar : 1). N. Setyaningsih, BudiMurtiyasa Pengantar StatistikaMatematika.MUP-UMS 2). Spiegel Theory andproblems of Probability and Statistics.ScaumSeries.Singapor 3). Freund, Walpole Mathematical Statistics. PrenticeHallInc VIII. Penilaian : A. Teknik dan Instrumen Penilaian 1. Keaktifan mahasiswa dalam perkuliahan (dinilai) 2. Tes/Tugas : 1) Sebuah kotak berisi 4 bola putih dan 3 bola merah. Dua buah bola diambil secara acak dari dalam kotak. Andaikan variabel acak Y menyatakan banyaknya bola putih yang terambil. Carilah : (a). fungsi probabilitas dari Y (b). P(Y 1) (c). fungsi distribusi Y, dan gambarlah grafiknya. 2) Fungsi distribusi dari suatu variabel acak X diketahui adalah : 0 untuk x 0 x / 4 untuk 0 x 1 1 x 1 F(x) = 2 untuk 1 x / 12 untuk 2 x 3 1 untuk x 3 15

16 Carilah : (a). P(X = 1); P(X = 2); dan P(X = 3) (b). P(1/4 < X < 3/2) 3) Sebuah mata uang logam mempunyai berat sedemikian hingga bila dilakukan pelemparan sisi gambar mempunyai kesempatan untuk muncul tiga kali lebih besar daripada sisi angka. Jika mata uang ini dilempar tiga kali, dan X adalah sebuah variabel acak yang menyatakan banyaknya gambar yang muncul, carilah : (a). distribusi probabilitas dari X (b). P(X 2) (c). fungsi distribusi dari X, dan gambar grafiknya (d). dengan menggunakan hasil (c)., dapatkan P(1 X 3), dan P(X < 2). B. Kriteria Penilaian : Nf 2Pt 3Ps 5Tt 10 Keterangan : Pt Ps Tt Nf : tugas : Proses : tes tulis : nilai formatif 16

17 RENCANA MUTU PEMBELAJARAN Nama Dosen : N. Setyaningsih, MSi. Program Studi : Pendidikan Matematika Kode Mata Kuliah : Nama Mata Kuliah : Probabilitas Jumlah sks : 3 sks Semester : III Alokasi Waktu : 2 pertemuan Pertemuan : pertemuan 11 dan 12 I. Standar Kompetensi : Menyelesaikan masalah probabilitas baik secara teoritik maupun aplikasinya dalam kehidupan. II. Kompetensi Dasar : Menjelaskan dan menentukan ekspektasi baik untuk variabel random diskrit dan kontinu III. Indikator : Setelah mengikuti perkuliahan mahasiswa diharapkan dapat : 1. Menjelaskan ekspektasi dan sifat-sifat dari suatu variabel random 2. Menghitung ekspektasi dari wariabel random diskrit 3. Menghitung ekspektasi dari wariabel random kontinu 4. Menjelaskan momen dan sifat-sifat baik untuk variabel random diskrit maupun kontinu 5. Menjelaskan fungsi pembangkit momen (fpm) 17

18 IV. Materi Ajar Espektasi Matematika : 1. Ekspektasi dari Variabel Random diskrit maupun kontinu 2. Momen dan sifat-sifatnya. 3. Fungsi pembangkit momen V. Metode/Strategi Pembelajaran : Ceramah, diskusi dan tugas VI. Tahapan Pembelajaran : A. Kegiatan Awal : Membahas tugas/pekerjaan rumah Meyampaikan materi dan tujuan pembelajran untuk pertemuan ke 7 dan 8 ( satu kompetensi dasar) B. Kegiatan Inti : 1. menyampaikan materi perkuliahan 2. meminta mahasiswa untuk menghitung mean dan variansi dengan menggunakan ekspektasi baik untuk variabel random diskrit maupun kontinu. 3. memberikan kesempatan pada mahasiswa untuk diskusi 4. membahas masalah tersebut melalui diskusi kelas. 5. meminta salah satu kelompok untuk maju ke depan membahas masalah tersebut dan kelompok lain untuk memberikan tanggapan 6. meminta mahasiswa untuk membuktikan sifat-sifat momen serta menghitung nilai momen baik untuk variabel random diskrit maupun kontinu. 7. memberikan kesempatan pada mahasiswa untuk diskusi membahas masalah tersebut secara kelompok 8. membahas masalah tersebut melalui diskusi kelas. 9. meminta salah satu kelompok untuk maju ke depan membahas masalah tersebut dan kelompok lain untuk memberikan tanggapan 18

19 C. Kegiatan Akhir 1. Bersama mahasiswa dosen membuat rangkuman materi 2. memberikan tugas rumah. VII. Alat/Bahan/sumber Belajar : A. Alat/media : OHP, LCD, dan Komputer/laptop B. Bahan/sumber ajar : 1). N. Setyaningsih, BudiMurtiyasa Pengantar StatistikaMatematika.MUP-UMS 2). Spiegel Theory andproblems of Probability and Statistics.ScaumSeries.Singapor 3). Freund, Walpole Mathematical Statistics. PrenticeHallInc VIII. Penilaian : A. Teknik dan Instrumen Penilaian 1. Keaktifan mahasiswa dalam perkuliahan (dinilai) 2. Tes/Tugas : 1) Variabel acak X mempunyai fungsi densitas 2x untuk 0 x 1 f(x) = 0 untuk x lainnya Carilah : (a). empat momen yang pertama dari X (b). tiga momen sentral yang pertama dari X 19

20 2) Andaikan X adalah fungsi variabel random dengan fungsi densitas : 2 3x untuk 0 x 1 f(x) = 0 untuk x lainnya Hitunglah : (a). E(X) (b). E(4X - 2) (c). E[(X-2) 2 ] 3) Sebuah mata uang logam mempunyai berat sedemikian hingga bila dilakukan pelemparan sisi gambar mempunyai kesempatan untuk muncul tiga kali lebih besar daripada sisi angka. Jika mata uang ini dilempar tiga kali, dan X adalah sebuah variabel acak yang menyatakan banyaknya gambar yang muncul, carilah : (a). Mean dari variable x (b). Carilah Var (X) (c). Carilah Var ((2X + 3)/5) B. Kriteria Penilaian : Nf 2Pt 3Ps 5Tt 10 Keterangan : Pt : tugas Ps : Proses Tt : tes tulis Nf : nilai formatif 20

21 RENCANA MUTU PEMBELAJARAN Nama Dosen : N. Setyaningsih, MSi. Program Studi : Pendidikan Matematika Kode Mata Kuliah : Nama Mata Kuliah : Probabilitas Jumlah sks : 3 sks Semester : III Alokasi Waktu : 1 pertemuan Pertemuan : pertemuan 13 I. Standar Kompetensi : Menyelesaikan masalah probabilitas baik secara teoritik maupun aplikasinya dalam kehidupan. II. Kompetensi Dasar : Menjelaskan jenis distribusi khusus dari variabel random diskrit beserta sifat-sifatnya III. Indikator : Setelah mengikuti perkuliahan mahasiswa diharapkan dapat : 1. Menjelaskan distribusi bernoulli beserta sifat-sifatnya 2. Menjelaskan distribusi binomial beserta sifat-sifatnya IV. Materi Ajar Jenis distribusi : 1. Distribusi bernoulli 2. Distribusi binomial V. Metode/Strategi Pembelajaran : Ceramah, diskusi dan tugas 21

22 VI. Tahapan Pembelajaran : A. Kegiatan Awal : Membahas tugas/pekerjaan rumah Meyampaikan materi dan tujuan pembelajran untuk pertemuan ke 11 dan 12 kompetensi dasar) B. Kegiatan Inti : 1. menyampaikan materi perkuliahan 2. meminta mahasiswa untuk menjelaskan tentang distribusi bernoulli, binomial, poisson dan geometri 3. memberikan kesempatan pada mahasiswa untuk diskusi 4. membahas masalah tersebut melalui diskusi kelas. 5. meminta salah satu kelompok untuk maju ke depan membahas masalah tersebut dan kelompok lain untuk memberikan tanggapan 6. meminta mahasiswa untuk menghitung mean, variansi dan momen dari distribusi distribusi bernoulli, binomial, poisson dan geometri. 7. memberikan kesempatan pada mahasiswa untuk diskusi membahas masalah tersebut secara kelompok 8. membahas masalah tersebut melalui diskusi kelas. 9. meminta salah satu kelompok untuk maju ke depan membahas masalah tersebut dan kelompok lain untuk memberikan tanggapan ( satu C. Kegiatan Akhir 1. Bersama mahasiswa dosen membuat rangkuman materi 2. memberikan tugas rumah. 22

23 VII. Alat/Bahan/sumber Belajar : A. Alat/media : OHP, LCD, dan Komputer/laptop B. Bahan/sumber ajar : 1). Spiegel Theory andproblems of Probability and Statistics.ScaumSeries.Singapor 2). Freund, Walpole Mathematical Statistics. PrenticeHallInc VIII. Penilaian : A. Teknik dan Instrumen Penilaian 1. Keaktifan mahasiswa dalam perkuliahan (dinilai) 2. Tes/Tugas : 1) Distribusi Bernoulli dapat dipandang sebagai sebuah distribusi binomial dengan n = 1. Perlihatkan bahwa untuk distribusi Bernoulli, berlaku r = untuk r = 1, 2, 3,... / (a) dengan mengevaluasi jumlah x. f ( x; ); 1 x 0 (b) dengan memberikan n = 1 dalam fungsi moment-generating dari distribusi binomial dengan memeriksa deret Maclaurin. 23

24 Juga perlihatkan bahwa 3 = 1 20 (1 ) dimana 3 adalah ukuran skewness (kemiringan) yang 3 didefinisikan 3 ; 3 2) Suatu test pilihan ganda terdiri dari delapan pertanyaan dan tiga jawaban untuk masing-masing pertanyaan (dimana hanya satu yang benar). Jika seorang siswa menjawabmasing-masing pertanyaan dengan cara menggulingkan sebuah dadu yang seimbang dan menandai jawaban yang pertama jika dia mendapatkan 1 atau 2, jawaban kedua jika dia mendapatkan 3 atau 4, dan jawaban yang ketiga jika dia mendapatkan 5 atau 6, berapa probabilitas bahwa dia akan mendapatkan empat jawaban yang benar-benar tepat. 3) Jika 40 persen dari tikus yang digunakan dalam eksperimen akan menjadi agresif dalam satu menit setelah diberi obat eksperimental, carilah probabilitas bahwa tepatnya enam dari lima belas tikus yang telah diberi obat tersebut akan menjadi sangat aggresif dalam satu menit, dengan menggunakan rumus untuk distribusi binomial B. Kriteria Penilaian : 2Pt 3Ps 5Tt Nf 10 Keterangan : Pt : tugas Ps : Proses Tt : tes tulis Nf : nilai formatif 24

25 RENCANA MUTU PEMBELAJARAN Nama Dosen : N. Setyaningsih, MSi. Program Studi : Pendidikan Matematika Kode Mata Kuliah : Nama Mata Kuliah : Probabilitas Jumlah sks : 3 sks Semester : III Alokasi Waktu : 1 pertemuan Pertemuan : pertemuan 14 I. Standar Kompetensi : Menyelesaikan masalah probabilitas baik secara teoritik maupun aplikasinya dalam kehidupan. II. Kompetensi Dasar : Menjelaskan jenis distribusi khusus dari variabel random kontinu beserta sifat-sifatnya III. Indikator : Setelah mengikuti perkuliahan mahasiswa diharapkan dapat : 1. Menjelaskan distribusi uniform beserta sifat-sifatnya 2. Menjelaskan distribusi normal beserta sifat-sifatnya IV. Materi Ajar Jenis distribusi : 1. Distribusi uniform 2. Distribusi normal 25

26 V. Metode/Strategi Pembelajaran : Ceramah, diskusi dan tugas VI. Tahapan Pembelajaran : A. Kegiatan Awal : Membahas tugas/pekerjaan rumah Meyampaikan materi dan tujuan pembelajran untuk pertemuan ke 13 dan 14 kompetensi dasar) B. Kegiatan Inti : 1. menyampaikan materi perkuliahan 2. meminta mahasiswa untuk menjelaskan tentang distribusi uniform, gamma, eksponensial, chi kuadrat, beta dan normal. 3. memberikan kesempatan pada mahasiswa untuk diskusi 4. membahas masalah tersebut melalui diskusi kelas. 5. meminta salah satu kelompok untuk maju ke depan membahas masalah tersebut dan kelompok lain untuk memberikan tanggapan 6. meminta mahasiswa untuk menghitung mean, variansi dan momen dari distribusi distribusi uniform, gamma, eksponensial, chi kuadrat, beta dan normal. 7. memberikan kesempatan pada mahasiswa untuk diskusi membahas masalah tersebut secara kelompok 8. membahas masalah tersebut melalui diskusi kelas. 9. meminta salah satu kelompok untuk maju ke depan membahas masalah tersebut dan kelompok lain untuk memberikan tanggapan ( satu C. Kegiatan Akhir 1. Bersama mahasiswa dosen membuat rangkuman materi 2. memberikan tugas rumah. 26

27 VII. Alat/Bahan/sumber Belajar : A. Alat/media : OHP, LCD, dan Komputer/laptop B. Bahan/sumber ajar : 1). Spiegel Theory andproblems of Probability and Statistics.ScaumSeries.Singapor 2). Freund, Walpole Mathematical Statistics. PrenticeHallInc VIII. Penilaian : A. Teknik dan Instrumen Penilaian 1. Keaktifan mahasiswa dalam perkuliahan (dinilai) 2. Tes/Tugas : 1) Tunjukkan bahwa momen ke- r terhadap titik asal dari distribusi gamma dengan parameter dan adalah. ' r r ( r) ( ) 2) Jika X ~ Eksp (p), maka ujilah mean dan variansi dari teorema 3.5. dengan menggunakan fungsi pembangkit momen. B. Kriteria Penilaian : Nf 2Pt 3Ps 5Tt 10 Keterangan : Pt Ps Tt Nf : tugas : Proses : tes tulis : nilai formatif 27

28 28

29 29

30 30

31 31

32 32

33 33

34 34

SILABUS MATA KULIAH. : Dapat menyelesaikan permasalahan probabilitas dan mampu mengaplikasikan dalam kehidupan

SILABUS MATA KULIAH. : Dapat menyelesaikan permasalahan probabilitas dan mampu mengaplikasikan dalam kehidupan SILABUS MATA KULIAH Program Studi : Pendidikan Matematika Kode Mata Kuliah : 306203 Mata kuliah : Probabilitas Bobot : 3 SKS Semester : III Mata Kuliah Prasyarat : - Deskripsi Mata Kuliah : Mata kuliah

Lebih terperinci

RENCANA MUTU PEMBELAJARAN

RENCANA MUTU PEMBELAJARAN RENCANA MUTU PEMBELAJARAN Nama Dosen : N. Setyaningsih, MSi. Program Studi : Pendidikan Matematika Kode Mata Kuliah : 504203 Nama Mata Kuliah : Statistika Matematika Jumlah sks : 3 sks Semester : V Alokasi

Lebih terperinci

RENCANA MUTU PEMBELAJARAN. I. Standar Kompetensi : Dapat mengaplikasikan statistika dasar dalam memecahkan masalah, khususnya dalam penelitian

RENCANA MUTU PEMBELAJARAN. I. Standar Kompetensi : Dapat mengaplikasikan statistika dasar dalam memecahkan masalah, khususnya dalam penelitian RENCANA MUTU PEMBELAJARAN Nama Dosen : N. Setyaningsih, MSi. Program Studi : Pendidikan Matematika Kode Mata Kuliah : 504203 Nama Mata Kuliah : Statistika Dasar Jumlah sks : 3 sks Semester : IV Alokasi

Lebih terperinci

RENCANA MUTU PEMBELAJARAN. I. Standar Kompetensi : Dapat mengaplikasikan transformasi untuk memecahkan masalah geometri

RENCANA MUTU PEMBELAJARAN. I. Standar Kompetensi : Dapat mengaplikasikan transformasi untuk memecahkan masalah geometri RENCANA MUTU PEMBELAJARAN Nama Dosen : N. Setyaningsih, MSi. Program Studi : Pendidikan Matematika Kode Mata Kuliah : 603203 Nama Mata Kuliah : Geometri Transformasi Jumlah sks : 2 sks Semester : VI Alokasi

Lebih terperinci

SILABUS MATA KULIAH. Pengalaman Pembelajaran

SILABUS MATA KULIAH. Pengalaman Pembelajaran SILABUS MATA KULIAH Program Studi : Teknik Industri Kode Mata Kuliah : TKI-110 Nama Mata Kuliah : Teori Probabilitas Jumlah SKS : 2 Semester : II Mata Kuliah Pra Syarat : TKI-101 Pengantar Teknik Industri

Lebih terperinci

STATISTIK PERTEMUAN VI

STATISTIK PERTEMUAN VI STATISTIK PERTEMUAN VI 1. TEORI PENDUKUNG 1.1 Pendahuluan 1. Variabel acak 1.3 Distribusi variabel acak diskrit 1.4 Distribusi variabel acak kontinu 1.5 Distribusi multivariat 1.1 Pendahuluan Definisi

Lebih terperinci

RENCANA PEMBELAJARAN SEMESTER (RPS) KKKF33112 PROBABILITAS DAN STATISTIKA

RENCANA PEMBELAJARAN SEMESTER (RPS) KKKF33112 PROBABILITAS DAN STATISTIKA RENCANA PEMBELAJARAN SEMESTER (RPS) KKKF33112 PROBABILITAS DAN STATISTIKA PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER (FILKOM) UNIVERSITAS PUTRA INDONESIA YPTK PADANG LEMBAR PENGESAHAN Rencana

Lebih terperinci

RENCANA PEMBELAJARAN SEMESTER (RPS)

RENCANA PEMBELAJARAN SEMESTER (RPS) RENCANA PEMBELAJARAN SEMESTER (RPS) MUG2D3 PROBABILITAS DAN STATISTIKA Disusun oleh: INDWIARTI FAKULTAS INFORMATIKA TELKOM UNIVERSITY 1 LEMBAR PENGESAHAN Rencana Pembelajaran Semester (RPS) ini telah disahkan

Lebih terperinci

SATUAN ACUAN PERKULIAHAN MATA KULIAH : STATISTIK & PROBABILITAS KODE : TIK1010 / SKS : 3 SKS

SATUAN ACUAN PERKULIAHAN MATA KULIAH : STATISTIK & PROBABILITAS KODE : TIK1010 / SKS : 3 SKS SATUAN ACUAN PERKULIAHAN MATA KULIAH : KODE : TIK1010 / SKS : 3 SKS SEMESTER : III / GANJIL WAKTU : 150 Menit JUMLAH PERTEMUAN : 16 x pertemuan (14 x materi kuliah, 2 x Ujian (UTS dan UAS)) 1 ANALISIS

Lebih terperinci

PENGANTAR MODEL PROBABILITAS

PENGANTAR MODEL PROBABILITAS PENGANTAR MODEL PROBABILITAS (PMP, Minggu 1-7) Sri Haryatmi Kartiko Universitas Gadjah Mada Juni 2014 Outline 1 Minggu 1:HIMPUNAN Operasi Himpunan Sifat-Sifat Operasi Himpunan 2 Minggu 2:COUNTING TECHNIQUE

Lebih terperinci

STATISTIKA UNIPA SURABAYA

STATISTIKA UNIPA SURABAYA MATEMATIKA STATISTIKA (MATHEMATICAL STATISTICS) GANGGA ANURAGA Materi : Distribusi variabel random Teori Himpunan Fungsi Himpunan Fungsi Himpunan Peluang Variabel Random Fungsi Kepadatan Peluang Fungsi

Lebih terperinci

Pengantar Proses Stokastik

Pengantar Proses Stokastik Bab 1: Dasar-Dasar Probabilitas Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia Ruang Sampel dan Kejadian Ruang Sampel dan Kejadian Ruang Sampel dan Kejadian Percobaan adalah kegiatan

Lebih terperinci

THEORY. By: Hanung N. Prasetyo PEUBAH ACAK TELKOM POLYTECHNIC/HANUNGNP

THEORY. By: Hanung N. Prasetyo PEUBAH ACAK TELKOM POLYTECHNIC/HANUNGNP THEORY By: Hanung N. Prasetyo PEUBAH ACAK Variabel acak adalah suatu variabel yang nilainya bisa berapa saja Variabel acak merupakan deskripsi numerik dari outcome beberapa percobaan / eksperimen VARIABEL

Lebih terperinci

SILABUS MATA KULIAH. Pengalaman Pembelajaran. Dasar-dasar vektor dan vektor pada bidang datar (dimensi dua)

SILABUS MATA KULIAH. Pengalaman Pembelajaran. Dasar-dasar vektor dan vektor pada bidang datar (dimensi dua) SILABUS MATA KULIAH Program Studi : Teknik Industri Kode Mata Kuliah : TKI-206 Nama Mata Kuliah : Matriks dan Vektor Jumlah SKS : 2 Semester : III Mata Kuliah Pra Syarat : TKI-111 Matematika Industri II

Lebih terperinci

CNH3E3 PROSES STOKASTIK Peubah Acak & Pendukungnya

CNH3E3 PROSES STOKASTIK Peubah Acak & Pendukungnya CNH3E3 PROSES STOKASTIK Peubah Acak & Pendukungnya Dosen: Aniq A Rohmawati, M.Si TELKOM UNIVERSITY JALAN TELEKOMUNIKASI 1, BANDUNG, INDONESIA Ruang Sampel dan Kejadian PEUBAH ACAK (P.A) Fungsi yang memetakan

Lebih terperinci

28/09/2012 SAMPLE SPACE, SAMPLE POINTS, EVENTS. ω Ω

28/09/2012 SAMPLE SPACE, SAMPLE POINTS, EVENTS. ω Ω SAMPLE SPACE, SAMPLE POINTS, EVENTS Sample space,ω, Ω adalah sekumpulan semua sample points,ω, ω yang mungkin; dimana ω Ω Contoh 1. Melemparkan satu buah koin:ω={gambar,angka} Contoh 2. Menggelindingkan

Lebih terperinci

Pengantar Proses Stokastik

Pengantar Proses Stokastik Bab 1: Dasar-Dasar Probabilitas Statistika FMIPA Universitas Islam Indonesia 2015 Percobaan adalah kegiatan yang menghasilkan keluaran/hasil yang mungkin secara acak. Contoh: pelemparan sebuah dadu. Ruang

Lebih terperinci

SATUAN ACARA PEMBELAJARAN (SAP)

SATUAN ACARA PEMBELAJARAN (SAP) 1 SATUAN ACARA PEMBELAJARAN (SAP) Mata Kuliah Kode Mata Kuliah SKS Durasi Pertemuan Pertemuan ke : Statistika dan Probabilitas : TSP-203 : 2 (Dua) : 100 menit : 1 (Satu) A. Kompetensi: a. Umum : Mahasiswa

Lebih terperinci

POKOK BAHASAN YANG DIAJARKAN: 1. DISTRIBUSI PEUBAH ACAK a. Distribusi Peubah Acak Tunggal b. Distribusi Peubah Acak Ganda c. Distribusi Bersyarat d.

POKOK BAHASAN YANG DIAJARKAN: 1. DISTRIBUSI PEUBAH ACAK a. Distribusi Peubah Acak Tunggal b. Distribusi Peubah Acak Ganda c. Distribusi Bersyarat d. POKOK BAHASAN YANG DIAJARKAN:. DISTRIBUSI PEUBAH ACAK a. Distribusi Peubah Acak Tunggal b. Distribusi Peubah Acak Ganda c. Distribusi Bersyarat d. Teorema Bayes. EKSPEKTASI MATEMATIK a. Ekspektasi b. Variansi

Lebih terperinci

SILABUS. 5. Evaluasi a. Kehadiran = 10% b. Tugas = 20% c. UTS = 30% d. UAS = 40%

SILABUS. 5. Evaluasi a. Kehadiran = 10% b. Tugas = 20% c. UTS = 30% d. UAS = 40% 0 SILABUS 1. Identitas Mata Kuliah Nama Mata Kuliah : Statistika Matematik 1 Kode Mata Kuliah : MT 404 Jumlah SKS : 3 Semester : 6 Kelompok Mata Kuliah : Mata Kuliah Keahlian (MKK) Program Studi Jurusan/Program

Lebih terperinci

DISTRIBUSI PROBABILITAS

DISTRIBUSI PROBABILITAS DISTRIBUSI PROBABILITAS DISTRIBUSI PROBABILITAS Peluang terjadinya nilai variabel random X yang meliputi semua nilai ditentukan melalui distribusi peluang. Distribusi peluang suatu variabel random X adalah

Lebih terperinci

II. TINJAUAN PUSTAKA. Dalam bab ini akan dijelaskan mengenai teori-teori yang mendukung dalam

II. TINJAUAN PUSTAKA. Dalam bab ini akan dijelaskan mengenai teori-teori yang mendukung dalam 4 II. TINJAUAN PUSTAKA Dalam bab ini akan dijelaskan mengenai teori-teori yang mendukung dalam menentukan momen, kumulan, dan fungsi karakteristik dari distribusi log-logistik (α,β). 2.1 Distribusi Log-Logistik

Lebih terperinci

Pengantar Proses Stokastik

Pengantar Proses Stokastik Bab 1: Dasar-Dasar Probabilitas Statistika FMIPA Universitas Islam Indonesia Peluang Percobaan adalah kegiatan yang menghasilkan keluaran/hasil yang mungkin secara acak. Contoh: pelemparan sebuah dadu.

Lebih terperinci

SILABUS MATA KULIAH. : Dapat menganalisis tentang statistika inferensial secara teoritik beserta komponen dan sifat-sifatnya

SILABUS MATA KULIAH. : Dapat menganalisis tentang statistika inferensial secara teoritik beserta komponen dan sifat-sifatnya SILABUS MATA KULIAH Program Studi : Pendidikan Matematika Kode Mata Kuliah : 50603 Mata kuliah : Statistika Matematika Bobot : 3 SKS Semester : V Mata Kuliah Prasyarat : Probabilitas Deskripsi Mata Kuliah

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2. Probabilitas Probabilitas adalah suatu nilai untuk mengukur tingkat kemungkinan terjadinya suatu peristiwa (event) akan terjadi di masa mendatang yang hasilnya tidak pasti (uncertain

Lebih terperinci

Pengantar Proses Stokastik

Pengantar Proses Stokastik Bab 1: Dasar-Dasar Probabilitas Statistika FMIPA Universitas Islam Indonesia Peluang Percobaan adalah kegiatan yang menghasilkan keluaran/hasil yang mungkin secara acak. Contoh: pelemparan sebuah dadu.

Lebih terperinci

Peubah Acak. 14-Sep-07 TPADF (Kelas Ganjil/ Rahmat) Lecture 2 page 1

Peubah Acak. 14-Sep-07 TPADF (Kelas Ganjil/ Rahmat) Lecture 2 page 1 Peubah Acak 14-Sep-07 TPADF (Kelas Ganjil/ Rahmat) Lecture 2 page 1 Definisi Peubah Acak Peubah acak adalah peubah yang mengkarakterisasikan setiap elemen dalam ruang sampel dengan suatu bilangan real.

Lebih terperinci

SILABUS MATA KULIAH. Standar Kompetensi Mahasiswa dapat memahami konsep-konsep matematika dan penerapannya dalam suatu industri.

SILABUS MATA KULIAH. Standar Kompetensi Mahasiswa dapat memahami konsep-konsep matematika dan penerapannya dalam suatu industri. Program Studi : Teknik Industri Kode Mata Kuliah : TKI 215 Nama Mata Kuliah : Matematika Terapan Jumlah SKS : 2 Semester : IV Mata Kuliah Pra Syarat : TKI-206 Matriks dan Vektor SILABUS MATA KULIAH Deskripsi

Lebih terperinci

DISTRIBUSI ERLANG DAN PENERAPANNYA. Rini Kurniasih 1, Getut Pramesti 2 Mahasiswi Pendidikan Matematika FKIP UNS, Dosen Pendidikan Matematika FKIP UNS

DISTRIBUSI ERLANG DAN PENERAPANNYA. Rini Kurniasih 1, Getut Pramesti 2 Mahasiswi Pendidikan Matematika FKIP UNS, Dosen Pendidikan Matematika FKIP UNS DISTRIBUSI ERLANG DAN PENERAPANNYA Rini Kurniasih 1, Getut Pramesti 2 Mahasiswi Pendidikan Matematika FKIP UNS, Dosen Pendidikan Matematika FKIP UNS nia.rini.purita2316@gmail.com, getut.uns@gmail.com ABSTRAK

Lebih terperinci

Mata Kuliah Pemodelan & Simulasi. Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia

Mata Kuliah Pemodelan & Simulasi. Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia Mata Kuliah Pemodelan & Simulasi Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia Pokok Bahasan Variabel Acak Pola Distribusi Masukan Pendugaan Pola Distribusi Uji Distribusi

Lebih terperinci

Hidup penuh dengan ketidakpastian

Hidup penuh dengan ketidakpastian BAB 2 Probabilitas Hidup penuh dengan ketidakpastian Tidak mungkin bagi kita untuk dapat mengatakan dengan pasti apa yang akan terjadi dalam 1 menit ke depan tapi Probabilitas akan memprediksikan masa

Lebih terperinci

Kumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=x) disebut distribusi probabilitas X

Kumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=x) disebut distribusi probabilitas X Kumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=) disebut distribusi probabilitas X (distribusi X) Diskrit Seragam Binomial Hipergeometrik

Lebih terperinci

Model dan Simulasi Universitas Indo Global Mandiri

Model dan Simulasi Universitas Indo Global Mandiri Model dan Simulasi Universitas Indo Global Mandiri Nomor random >> angka muncul secara acak (random/tidak terurut) dengan probabilitas untuk muncul yang sama. Probabilitas/Peluang merupakan ukuran kecenderungan

Lebih terperinci

STK511 Analisis Statistika. Pertemuan 3 Sebaran Peluang Peubah Acak

STK511 Analisis Statistika. Pertemuan 3 Sebaran Peluang Peubah Acak STK511 Analisis Statistika Pertemuan 3 Sebaran Peluang Peubah Acak Beberapa Konsep Dasar Percobaan statistika: kegiatan yang hasil akhir keluarannya tidak diketahui di awal, tetapi kemungkinan-kemungkinannya

Lebih terperinci

SILABUS MATA KULIAH. Pengalaman Pembelajaran

SILABUS MATA KULIAH. Pengalaman Pembelajaran SILABUS MATA KULIAH Program Studi : Teknik Industri Kode Mata Kuliah : TKI-204 Nama Mata Kuliah : Statistika Industri Jumlah SKS : 2 Semester : III Mata Kuliah Pra Syarat : TKI-110 Teori Probabilitas Deskripsi

Lebih terperinci

PENS. Probability and Random Process. Topik 5. Beberapa jenis Distribusi Variabel Acak. Prima Kristalina April 2015

PENS. Probability and Random Process. Topik 5. Beberapa jenis Distribusi Variabel Acak. Prima Kristalina April 2015 Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 5. Beberapa jenis Distribusi Variabel Acak Prima Kristalina April 215 1 Outline 1. Beberapa macam

Lebih terperinci

STATISTIK INDUSTRI 1. Agustina Eunike, ST., MT., MBA

STATISTIK INDUSTRI 1. Agustina Eunike, ST., MT., MBA STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA Probabilitas PELUANG Eksperimen Aktivitas / pengukuran / observasi suatu fenomena yang bervariasi outputnya Ruang Sampel / Sample Space Semua output

Lebih terperinci

SILABUS MATA KULIAH Program Studi : Teknik Industri Kode Mata Kuliah : TKI-303 Nama Mata Kuliah : Pemodelan Sistem Jumlah SKS

SILABUS MATA KULIAH Program Studi : Teknik Industri Kode Mata Kuliah : TKI-303 Nama Mata Kuliah : Pemodelan Sistem Jumlah SKS SILABUS MATA KULIAH Program Studi : Teknik Industri Kode Mata Kuliah : TKI-303 Nama Mata Kuliah : Pemodelan Sistem Jumlah SKS : 2 Semester : III Mata Kuliah Pra Syarat : TKI-101 Pengantar Teknik Industri

Lebih terperinci

MA2082 BIOSTATISTIKA Bab 3 Peubah Acak dan Distribusi

MA2082 BIOSTATISTIKA Bab 3 Peubah Acak dan Distribusi MA2082 BIOSTATISTIKA Bab 3 Peubah Acak dan Distribusi Orang Biologi Tidak Anti Statistika Silabus Silabus dan Tujuan Konsep peubah acak, fungsi peluang (probability density function), fungsi distribusi

Lebih terperinci

STATISTIKA EKONOMI I Chapter 4 Distribusi Probabilitas Normal dan Binomial Chapter 5 Teori Sampling

STATISTIKA EKONOMI I Chapter 4 Distribusi Probabilitas Normal dan Binomial Chapter 5 Teori Sampling STATISTIKA EKONOMI I Chapter 4 Distribusi Probabilitas Normal dan Binomial Chapter 5 Teori Sampling Rengganis Banitya Rachmat rengganis.rachmat@gmail.com 4. Distribusi Probabilitas Normal dan Binomial

Lebih terperinci

BAB I PENDAHULUAN. dapat dianggap mendekati normal dengan mean μ = μ dan variansi

BAB I PENDAHULUAN. dapat dianggap mendekati normal dengan mean μ = μ dan variansi BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Matematika merupakan salah satu cabang ilmu pengetahuan yang melambangkan kemajuan zaman. Oleh karena itu matematika banyak digunakan oleh cabang ilmu lain

Lebih terperinci

Teori Peluang Diskrit

Teori Peluang Diskrit Teori Peluang Diskrit Peluang Diskrit Apa yang terjadi jika keluaran dari suatu eksperimen tidak memiliki peluang yang sama? Dalam kasus ini, peluang p(s) dipadankan dengan setiap keluaran s S, di mana

Lebih terperinci

RANCANGAN PEMBELAJARAN

RANCANGAN PEMBELAJARAN RANCANGAN PEMBELAJARAN Mata Kuliah : dan Proses Stokastik Semester : Jurusan : Dosen : TIU : respon sistem linear dengan input menggunakan konsep probabilitas dan proses stokastik (C4) No.. Mahasiswa mampu

Lebih terperinci

Bab 9. Peluang Diskrit

Bab 9. Peluang Diskrit Bab 9. Peluang Diskrit Topik Definisi Peluang Diskrit Sifat Peluang Diskrit Probabilitas terbatas Konsep Teori Himpunan pada Peluang Diskrit Probabilitas Kejadian Majemuk A B dan A B DuaKejadianSalingLepas

Lebih terperinci

BAHAN KULIAH STATISTIKA (Kelas Teori)

BAHAN KULIAH STATISTIKA (Kelas Teori) BAHAN KULIAH STATISTIKA (Kelas Teori) Fakultas : Fakultas Teknologi Industri Jurusan : Teknik informatika Mata kuliah & Kode : STATISTIKA SKS : Teori : 3 Praktik : - Semester dan Waktu : Sem : I Waktu

Lebih terperinci

Misalkan terdapat eksperimen. S disebut ruang sampel, adalah himpunan semua kemungkinan hasil dari eksperimen.

Misalkan terdapat eksperimen. S disebut ruang sampel, adalah himpunan semua kemungkinan hasil dari eksperimen. Peluang Peluang dan Kejadian Peluang Bersyarat Peubah Acak dan Nilai Harapan Kovarian dan Korelasi 1.1 PELUANG DAN KEJADIAN Misalkan terdapat eksperimen. S disebut ruang sampel, adalah himpunan semua kemungkinan

Lebih terperinci

Harapan Matematik (Teori Ekspektasi)

Harapan Matematik (Teori Ekspektasi) (Teori Ekspektasi) PROBABILITAS DAN STATISTIKA Semester Genap 2014/2015 LUTFI FANANI lutfi.class@gmail.com Sifat Definisi Harapan matematik atau nilai ekspektasi adalah satu konsep yang penting di dalam

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Teori Probabilitas (Peluang) Probabilitas adalah suatu nilai untuk mengukur tingkat kemungkinan terjadinya suatu peristiwa (event) akan terjadi di masa mendatang yang hasilnya

Lebih terperinci

Penentuan Momen ke-5 dari Distribusi Gamma

Penentuan Momen ke-5 dari Distribusi Gamma Jurnal Penelitian Sains Volume 6 Nomor (A) April 0 Penentuan Momen ke-5 dari Distribusi Gamma Robinson Sitepu, Putra B.J. Bangun, dan Heriyanto Jurusan Matematika Fakultas MIPA Universitas Sriwijaya, Indonesia

Lebih terperinci

BILANGAN ACAK. Metode untuk mendapatkan bilangan acak : 1. Metode Kongruen Campuran Rumus :

BILANGAN ACAK. Metode untuk mendapatkan bilangan acak : 1. Metode Kongruen Campuran Rumus : BILANGAN ACAK Bilangan acak adalah bilangan sembarang tetapi tidak sembarangan. Kriteria yang harus dipenuhi, yaitu : Bilangan acak harus mempunyai distribusi serba sama (uniform) Beberapa bilangan acak

Lebih terperinci

BAB 3 Teori Probabilitas

BAB 3 Teori Probabilitas BAB 3 Teori Probabilitas A. HIMPUNAN a. Penulisan Hipunan Cara Pendaftaran Cara Pencirian 1) A = {a,i,u,e,o} 1) A = {X: x huruf vokal } 2) B = {1,2,3,4,5} menghasilkan data diskrit 2) B = {X: 1 x 2} menghasilkan

Lebih terperinci

BAB IV. DISTRIBUSI PROBABILITAS DISKRIT

BAB IV. DISTRIBUSI PROBABILITAS DISKRIT BAB IV. DISTRIBUSI PROBABILITAS DISKRIT A. Variabel random diskrit. Variabel random diskrit X adalah : Cara memberi nilai angka pada setiap elemen ruang sampel X(a) : Ukuran karakteristik tertentu dari

Lebih terperinci

PENGANTAR PROBABILITAS STATISTIKA UNIPA SBY

PENGANTAR PROBABILITAS STATISTIKA UNIPA SBY PENGANTAR PROBABILITAS GANGGA ANURAGA POKOK BAHASAN Konsep dasar probabilitas Teori himpunan Permutasi Kombinasi Koefisien binomial Koefisien multinomial Probabilitas Aksioma probabilitas Probabilitas

Lebih terperinci

Nilai harapan suatu variabel acak x ditulis E (x) didefinisikan E (x) = Σ x. f (x) Var (x) = σ x 2 = E [ x E (x) ] 2 = E (x 2 ) { E (x) } 2

Nilai harapan suatu variabel acak x ditulis E (x) didefinisikan E (x) = Σ x. f (x) Var (x) = σ x 2 = E [ x E (x) ] 2 = E (x 2 ) { E (x) } 2 Pertemuan ke- 4 BAB III POPULASI, SAMPEL & DISTRIBUSI TEORITIS VARIABEL DISKRIT DAN FUNGSI PROBABILITAS 3.1 Variabel Random atau Variabel Acak Variabel yang nilainya merupakan suatu bilangan yang ditentukan

Lebih terperinci

BAB V TEORI PROBABILITAS

BAB V TEORI PROBABILITAS BAB V TEORI PROBABILITAS Probabilitas disebut juga dengan peluang atau kemungkinan. Probabilitas merupakan suatu nilai yang digunakan untuk mengukur tingkat terjadinya suatu kejadian yang acak. Oleh karena

Lebih terperinci

5. Peluang Diskrit. Pengantar

5. Peluang Diskrit. Pengantar 5. Peluang Diskrit Pengantar Semua yang telah dipelajari di dalam teori pencacahan (counting) akan menjadi dasar dalam perhitungan peluang terjadinya suatu peristiwa. Dalam pembahasan berikut, istilah

Lebih terperinci

Distribusi Diskrit dan Kontinu yang Penting. Oleh Azimmatul Ihwah

Distribusi Diskrit dan Kontinu yang Penting. Oleh Azimmatul Ihwah Distribusi Diskrit dan Kontinu yang Penting Oleh Azimmatul Ihwah Distribusi Diskrit Fungsi probabilitas dari variabel random diskrit dapat dinyatakan dalam formula matematik tertentu yang dinamakan fungsi

Lebih terperinci

DISTRIBUSI DISKRIT KHUSUS

DISTRIBUSI DISKRIT KHUSUS DISTRIBUSI DISKRIT KHUSUS UNIFORM (SERAGAM) BERNOULLI BINOMIAL POISSON MULTINOMIAL HIPERGEOMETRIK GEOMETRIK BINOMIAL NEGATIF MA3181 Teori Peluang 27 Oktober 2014 Utriweni Mukhaiyar DISTRIBUSI UNIFORM (SERAGAM)

Lebih terperinci

SILABUS MATA KULIAH Program Studi : Teknik Industri Kode Mata Kuliah : TKI-493 Nama Mata Kuliah : Rekayasa Produktivitas Jumlah SKS :

SILABUS MATA KULIAH Program Studi : Teknik Industri Kode Mata Kuliah : TKI-493 Nama Mata Kuliah : Rekayasa Produktivitas Jumlah SKS : SILABUS MATA KULIAH Program Studi : Teknik Industri Kode Mata Kuliah : TKI-493 Nama Mata Kuliah : Rekayasa Produktivitas Jumlah SKS : 3 Semester : VIII Deskripsi Mata Kuliah : Mata Kuliah ini mengkaji

Lebih terperinci

Bab 2 DISTRIBUSI PELUANG

Bab 2 DISTRIBUSI PELUANG Bab 2 DISTRIBUSI PELUANG PENDAHULUAN Setiap peristiwa akan mempunyai peluangnya masingmasing, dan peluang terjadinya peristiwa itu akan mempunyai penyebaran yang mengikuti suatu pola tertentu yang di sebut

Lebih terperinci

1 PROBABILITAS. Pengertian

1 PROBABILITAS. Pengertian PROBABILITAS Pengertian Pada awal perkuliahan, sebelum menjelaskan probabilitas, dibahas sepintas sebagai pengantar tentang eksperimen, titik sampel, ruang sampel, dan peristiwa, serta variabel random

Lebih terperinci

II. LANDASAN TEORI. karakteristik dari generalized Weibull distribution dibutuhkan beberapa fungsi

II. LANDASAN TEORI. karakteristik dari generalized Weibull distribution dibutuhkan beberapa fungsi II. LANDASAN TEORI Pada bab ini akan diberikan beberapa definisi dan teorema yang berkaitan dengan penelitian penulis. Dalam menyelesaikan momen, kumulan dan fungsi karakteristik dari generalized Weibull

Lebih terperinci

Dasar-dasar Statistika Pemodelan Sistem

Dasar-dasar Statistika Pemodelan Sistem Dasar-dasar Statistika Pemodelan Sistem Kuliah Pemodelan Sistem Semester Genap 2015-2016 MZI Fakultas Informatika Telkom University FIF Tel-U Januari 2016 MZI (FIF Tel-U) Statistika Pemodelan Januari 2016

Lebih terperinci

Statistika Farmasi

Statistika Farmasi Bab 3: Distribusi Data Statistika FMIPA Universitas Islam Indonesia Distribusi Data Teori dalam statistika berkaitan dengan peluang Konsep dasar peluang tersebut berkaitan dengan peluang distribusi, yaitu

Lebih terperinci

PERMUTASI, KOMBINASI DAN PELUANG. Kaidah pencacahan membantu dalam memecahkan masalah untuk menghitung

PERMUTASI, KOMBINASI DAN PELUANG. Kaidah pencacahan membantu dalam memecahkan masalah untuk menghitung PERMUTASI, KOMBINASI DAN PELUANG A. KAIDAH PENCACAHAN Kaidah pencacahan membantu dalam memecahkan masalah untuk menghitung berapa banyaknya cara yang mungkjin terjadi dalam suatu percobaan. Kaidah pencacahan

Lebih terperinci

Statistika & Probabilitas. Sumber: Materi Kuliah Statistika Dr. Ir. Rinaldi Munir, M.T

Statistika & Probabilitas. Sumber: Materi Kuliah Statistika Dr. Ir. Rinaldi Munir, M.T Statistika & Probabilitas Sumber: Materi Kuliah Statistika Dr. Ir. Rinaldi Munir, M.T Kejadian Kejadian adalah himpunan bagian (subset) dari ruang sampel S. Dapat dipahami, kejadian adalah himpunan dari

Lebih terperinci

Variabel Random dan Nilai Harapan. Oleh Azimmatul Ihwah

Variabel Random dan Nilai Harapan. Oleh Azimmatul Ihwah Variabel Random dan Nilai Harapan Oleh Azimmatul Ihwah Outcomes dari suatu eksperimen dapat dinyatakan dengan angka untuk mempermudah. Suatu variabel yang mengasosiakan outcomes dari suatu eksperimen dengan

Lebih terperinci

SATUAN ACARA PERKULIAHAN MATA KULIAH : SIMULASI & PERMODELAN ( S1 / TEKNIK INFORMATIKA) KODE / SKS : KK / 3 SKS

SATUAN ACARA PERKULIAHAN MATA KULIAH : SIMULASI & PERMODELAN ( S1 / TEKNIK INFORMATIKA) KODE / SKS : KK / 3 SKS SATUAN ACARA PERKULIAHAN MATA KULIAH : SIMULASI PERMODELAN ( S1 / TEKNIK INFORMATIKA) KODE / SKS : KK-043241 / 3 SKS Minggu Ke Pokok Bahasan dan TIU Sub-pokok Bahasan dan Sasaran Belajar Cara Pengajaran

Lebih terperinci

Metode Statistika STK211/ 3(2-3)

Metode Statistika STK211/ 3(2-3) Metode Statistika STK211/ 3(2-3) Pertemuan IV Konsep Peluang Septian Rahardiantoro - STK IPB 1 Populasi Pengambilan contoh dari populasi untuk pendugaan parameter Contoh1 Parameter μ Statistik x Setara

Lebih terperinci

DISTRIBUSI DISKRIT KHUSUS

DISTRIBUSI DISKRIT KHUSUS DISTRIBUSI DISKRIT KHUSUS U N I F O R M ( S E R A G A M ) B E R N O U L L I B I N O M I A L P O I S S O N MA 4085 Pengantar Statistika 26 Februari 2013 Utriweni Mukhaiyar M U L T I N O M I A L H I P E

Lebih terperinci

SILABUS MATA KULIAH. Pengalaman Pembelajaran. 1. Menyusun langkahlangkah. 1. Langkahlangkah. setiap metode penarikan sampel 2.

SILABUS MATA KULIAH. Pengalaman Pembelajaran. 1. Menyusun langkahlangkah. 1. Langkahlangkah. setiap metode penarikan sampel 2. SILABUS MATA KULIAH Program Studi : Teknik Industri Kode Mata Kuliah : TKI-209 Nama Mata Kuliah : Praktikum Statistika Jumlah SKS : 1 Semester : III Mata Kuliah Pra Syarat : TKI-110 Teori Probabilitas

Lebih terperinci

EKSPEKTASI. Achmad Basuki. Politeknik Elektronika Negeri Surabaya 2004

EKSPEKTASI. Achmad Basuki. Politeknik Elektronika Negeri Surabaya 2004 EKSPEKTASI Achmad Basuki Politeknik Elektronika Negeri Surabaya 004 Jam Jumlah bemo 06.00-06.30 5 06.30-07.00 9 07.00-07.30 7 07.30-08.00 7 08.00-08.30 5 08.30-09.00 4 09.00-09.30 09.30-0.00 4 0.00-0.30

Lebih terperinci

KATA PENGANTAR. Salatiga, Juni Penulis. iii

KATA PENGANTAR. Salatiga, Juni Penulis. iii KATA PENGANTAR Teori Probabilitas sangatlah penting dalam memberikan dasar pada Statistika dan Statistika Matematika. Di samping itu, teori probabilitas juga memberikan dasar-dasar dalam pembelajaran tentang

Lebih terperinci

Sampling dengan Simulasi Komputer

Sampling dengan Simulasi Komputer Modul Sampling dengan Simulasi Komputer PENDAHULUAN Sutawanir Darwis M etode statistika merupakan alat untuk menyelesaikan masalah apabila solusi analitik tidak mungkin diperoleh. Dengan metode statistika

Lebih terperinci

25/09/2013. Konsep Peubah Acak. Metode Statistika (STK211) Peubah Acak Diskret. Kuis. Tipe Peubah Acak

25/09/2013. Konsep Peubah Acak. Metode Statistika (STK211) Peubah Acak Diskret. Kuis. Tipe Peubah Acak Konsep Peubah Acak Metode Statistika (STK11) Pertemuan V Konsep Peubah Acak dan Sebaran Peluang (Random Variable Concept and Probability Distribution) Peubah acak merupakan suatu fungsi yang memetakan

Lebih terperinci

A. Fungsi Distribusi Binomial

A. Fungsi Distribusi Binomial Jurnal Peta Konsep Daftar Hadir MateriA SoalLatihan Materi MIPA DISTRIBUSI BINOMIAL DAN PENARIKAN KESIMPULAN Kelas XI, Semester 3 A. Fungsi Distribusi Binomial www.yudarwi.com A. Fungsi Distribusi Binomial

Lebih terperinci

Mata Kuliah Pemodelan & Simulasi

Mata Kuliah Pemodelan & Simulasi Mata Kuliah Pemodelan & Simulasi Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia 1 Pendahuluan (1) Sifat probabilitistik pada sistem nyata mempunyai pola distribusi probabilistik

Lebih terperinci

MODUL PELUANG MATEMATIKA SMA KELAS XI

MODUL PELUANG MATEMATIKA SMA KELAS XI KATA PENGANTAR Segala puji syukur bagi Allah SWT yang senantiasa melimpahkan rahmat dan karunia-nya. Sebaik-baiknya shalawat serta salam semoga Allah SWT limpahkan kepada Nabi Besar Muhammad SAW, beserta

Lebih terperinci

SILABUS MATAKULIAH. Revisi : 4 Tanggal Berlaku : 4 September 2015

SILABUS MATAKULIAH. Revisi : 4 Tanggal Berlaku : 4 September 2015 SILABUS MATAKULIAH Revisi : 4 Tanggal Berlaku : 4 September 2015 A. Identitas 1. Nama Matakuliah : Teori Probabilitas 2. Program Studi : Teknik Industri 3. Fakultas : Teknik 4. Bobot sks : 2 SKS 5. Elemen

Lebih terperinci

Tugas Kelompok. Mata Kuliah Metodologi Penelitian Kuantitatif. Judul Makalah Revisi DISTRIBUSI PELUANG

Tugas Kelompok. Mata Kuliah Metodologi Penelitian Kuantitatif. Judul Makalah Revisi DISTRIBUSI PELUANG Tugas Kelompok Mata Kuliah Metodologi Penelitian Kuantitatif Judul Makalah Revisi DISTRIBUSI PELUANG Kajian Buku Pengantar Statistika Pengarang Nana Sudjana Tugas dibuat untuk memenuhi tugas mata kuliah

Lebih terperinci

Peluang Aturan Perkalian, Permutasi, dan Kombinasi dalam Pemecahan Masalah Ruang Sampel Suatu Percobaan Peluang Suatu Kejadian dan Penafsirannya

Peluang Aturan Perkalian, Permutasi, dan Kombinasi dalam Pemecahan Masalah Ruang Sampel Suatu Percobaan Peluang Suatu Kejadian dan Penafsirannya 2 Aturan Perkalian, Permutasi, dan Kombinasi dalam ; Pemecahan Masalah Ruang Sampel Suatu Percobaan ; Suatu Kejadian dan Penafsirannya ; Pada era demokrasi saat ini untuk menduduki suatu jabatan tertentu

Lebih terperinci

INFERENSI STATISTIK DISTRIBUSI BINOMIAL DENGAN METODE BAYES MENGGUNAKAN PRIOR KONJUGAT. Oleh : ADE CANDRA SISKA NIM: J2E SKRIPSI

INFERENSI STATISTIK DISTRIBUSI BINOMIAL DENGAN METODE BAYES MENGGUNAKAN PRIOR KONJUGAT. Oleh : ADE CANDRA SISKA NIM: J2E SKRIPSI INFERENSI STATISTIK DISTRIBUSI BINOMIAL DENGAN METODE BAYES MENGGUNAKAN PRIOR KONJUGAT Oleh : ADE CANDRA SISKA NIM: J2E 006 002 SKRIPSI Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains Pada

Lebih terperinci

Menghitung peluang suatu kejadian

Menghitung peluang suatu kejadian Menghitung peluang suatu kejadian A. Ruang Sampel, Titik Sampel, dan Kejadian Dari pandangan intuitif, peluang terjadinya suatu peristiwa atau kejadian adalah nilai yang menunjukkan seberapa besar kemungkinan

Lebih terperinci

RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS)

RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) Kode / Nama Mata Kuliah : E124304 / Teori Probabilitas Revisi 4 Satuan Kredit Semester : 2 SKS Tgl revisi : 16 Juli 2015 Jml Jam kuliah dalam seminggu

Lebih terperinci

Silabus Teori Peluang (STK-104) Jurusan Statistika Genap 2013/2014

Silabus Teori Peluang (STK-104) Jurusan Statistika Genap 2013/2014 Silabus Teori Peluang (STK-104) Jurusan Statistika Genap 2013/2014 Waktu : (Selasa, jam 10.00 11.40, D3D) dan (Kamis, jam 14.00 16.40, D3D) Dosen Pengasuh : Ridha Ferdhiana, M.Sc dan Dr. Muhammad Subianto,

Lebih terperinci

GARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI : S1 SISTEM KOMputer Semester : 4

GARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI : S1 SISTEM KOMputer Semester : 4 GARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI : S1 SISTEM KOMputer Semester : 4 Berlaku mulai : Genap/2011 MATA KULIAH : STATISTIKA DAN PROBABILITAS KODE MATA KULIAH / SKS : 410202061 / 3 SKS MATA

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam teori probabilitas dan statistika, distribusi binomial adalah distribusi probabilitas diskret jumlah keberhasilan dalam n percobaan ya/tidak (berhasil/gagal)

Lebih terperinci

Silabus dan Satuan Acara Perkuliahan

Silabus dan Satuan Acara Perkuliahan Fakultas Ekonomi No. Dokumen : FE-SSAP-S2-10 Program Studi S1 Akuntansi No. Revisi : 03 Silabus dan Satuan Acara Perkuliahan Tgl.Revisi : 23-06-2010 Tgl. Berlaku : 23-06-2010 Statistik & Probabilitas Halaman

Lebih terperinci

Beberapa Hukum Peluang. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB

Beberapa Hukum Peluang. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB Beberapa Hukum Peluang Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB 1 Suatu kejadian dapat merupakan gabungan atau irisan dari dua atau

Lebih terperinci

DISTRIBUSI TEORITIS. P(M) = p = probabilitas untuk mendapat bola merah (sukses) 30

DISTRIBUSI TEORITIS. P(M) = p = probabilitas untuk mendapat bola merah (sukses) 30 DISTRIBUSI TEORITIS Distribusi teoritis merupakan alat bagi kita untuk menentukan apa yang dapat kita harapkan, apabila asumsi-asumsi yang kita buat benar. Distribusi teoritis memungkinkan para pembuat

Lebih terperinci

MODUL II DISTRIBUSI PELUANG DISKRIT DAN KONTINU

MODUL II DISTRIBUSI PELUANG DISKRIT DAN KONTINU DISTRIBUSI PELUANG DISKRIT DAN KONTINU A. TUJUAN PRAKTIKUM Melalui praktikum Modul II ini diharapkan praktikan dapat: 1. Mengenal jenis dan karakteristik dari beberapa distribusi peluang. 2. Menguji dan

Lebih terperinci

II. LANDASAN TEORI. Pada bab ini akan diberikan beberapa definisi dan teorema yang berkaitan dengan

II. LANDASAN TEORI. Pada bab ini akan diberikan beberapa definisi dan teorema yang berkaitan dengan II. LANDASAN TEORI Pada bab ini akan diberikan beberapa definisi dan teorema yang berkaitan dengan penelitian. Dalam menyelesaikan momen, kumulan dan fungsi karakteristik dari distribusi generalized lambda

Lebih terperinci

PEMBANGKIT RANDOM VARIATE

PEMBANGKIT RANDOM VARIATE PEMBANGKIT RANDOM VARIATE Mata Kuliah Pemodelan & Simulasi JurusanTeknik Informatika Universitas Komputer Indonesia 1 Pendahuluan (1) Sifat probalitistik pada sistem nyata mempunyai pola distribusi probabilistik

Lebih terperinci

Pierre-Simon Laplace. Born 23 March 1749 Beaumont-en-Auge, Normandy, France Died 5 March 1827 (aged 77) Paris, France Mempelajari peluang dalam judi

Pierre-Simon Laplace. Born 23 March 1749 Beaumont-en-Auge, Normandy, France Died 5 March 1827 (aged 77) Paris, France Mempelajari peluang dalam judi Blaise Pascal Born June 19, 1623 Clermont-Ferrand, France Died August 19, 1662 (aged 39) Paris, France Memenangkan taruhan tentang hasil tos dua dadu yang dilakukan berulang-ulang Pierre-Simon Laplace

Lebih terperinci

Peubah Acak. Bab 4. Definisi 4.1 Peubah acak adalah suatu fungsi dari ruang contoh ke bilangan nyata, f : S R

Peubah Acak. Bab 4. Definisi 4.1 Peubah acak adalah suatu fungsi dari ruang contoh ke bilangan nyata, f : S R Bab 4 Peubah Acak Definisi 4. Peubah acak adalah suatu fungsi dari ruang contoh ke bilangan nyata, f : S R Contoh 4. Jika Y adalah peubah acak banyaknya sisi muka yang muncul pada pelemparan tiga sisi

Lebih terperinci

SILABUS DAN SAP MATA KULIAH STATISTIKA TERAPAN (AGT6224) BOBOT: 3 (2/1) SKS SIFAT: WAJIB SEMESTER GENAP (SMT III)

SILABUS DAN SAP MATA KULIAH STATISTIKA TERAPAN (AGT6224) BOBOT: 3 (2/1) SKS SIFAT: WAJIB SEMESTER GENAP (SMT III) 1 SILABUS DAN SAP MATA KULIAH STATISTIKA TERAPAN (AGT6224) BOBOT: 3 (2/1) SKS SIFAT: WAJIB SEMESTER GENAP (SMT III) PROGRAM STUDI AGROTEKNOLOGI FAKULTAS PERTANIAN UNIVERSITAS HALU OLEO TAHUN AJARAN 2014/2015

Lebih terperinci

BAB II KAJIAN PUSTAKA

BAB II KAJIAN PUSTAKA 4 BAB II KAJIAN PUSTAKA Pada sub bab ini akan diberikan beberapa definisi dan teori yang mendukung rancangan Sequential Probability Ratio Test (SPRT) yaitu percobaan dan ruang sampel, peubah acak dan fungsi

Lebih terperinci

STATISTIK PERTEMUAN III

STATISTIK PERTEMUAN III STATISTIK PERTEMUAN III OUTLINE PERTEMUAN III BAGIAN II Probabilitas dan Teori Keputusan Konsep-Konsep Dasar Probabilitas Distribusi Probabilitas Diskrit Pengertian Probabilitas dan Manfaat Probabilitas

Lebih terperinci

MATERI BAB I RUANG SAMPEL DAN KEJADIAN. A. Pendahuluan Dari jaman dulu sampai sekarang orang sering berhadapan dengan peluang.

MATERI BAB I RUANG SAMPEL DAN KEJADIAN. A. Pendahuluan Dari jaman dulu sampai sekarang orang sering berhadapan dengan peluang. MATERI BAB I RUANG SAMPEL DAN KEJADIAN Pendahuluan Ruang Sampel Kejadian Dua Kejadian Yang Saling Lepas Operasi Kejadian BAB II MENGHITUNG TITIK SAMPEL Prinsip Perkalian/ Aturan Dasar Notasi Faktorial

Lebih terperinci

Situasi 1: a. Buatlah pernyataan-pernyataan yang sesuai dengan situasi di atas!

Situasi 1: a. Buatlah pernyataan-pernyataan yang sesuai dengan situasi di atas! BAHAN AJAR 3 DISTRIBUSI PEUBAH ACAK GABUNGAN DAN FUNGSI PELUANG MARGINAL Situasi 1: Sebuah kotak berisi tiga ballpoint berwarna merah, dua berwarna biru dan tiga berwarna hitam. Kemudian dua buah ballpoint

Lebih terperinci